Как интерпретировать коэффициент лог-преобразованной модели из смешанной модели в исходном масштабе в R?

Question

Полная модель для роста растений выглядит следующим образом:

lmer(log(growth) ~ nutrition + fertilizer + season + (1|block)

где питание (азот / фосфор), удобрения (нет / добавлено), сезон (сухой / влажный)

Краткое изложение модели выглядит следующим образом:

REML criterion at convergence: 71.9

Scaled residuals: 
     Min       1Q   Median       3Q      Max 
-1.82579 -0.59620  0.04897  0.62629  1.54639 

Random effects:
 Groups   Name        Variance Std.Dev.
 block     (Intercept) 0.06008  0.2451  
 Residual             0.48633  0.6974  
Number of obs: 32, groups:  tank, 16

Fixed effects:
                        Estimate Std. Error      df t value Pr(>|t|)    
(Intercept)               3.5522     0.2684 19.6610  13.233 3.02e-11 ***
nutritionP                0.2871     0.2753 13.0000   1.043  0.31601    
fertlizeradded           -0.3513     0.2753 13.0000  -1.276  0.22436    
seasonwet                 1.0026     0.2466 15.0000   4.066  0.00101 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Рост растений здесь зависит только от сезона, и увеличение роста составляет 1,0026 в логарифмическом масштабе. Как мне интерпретировать это в масштабе исходных данных, если я хочу узнать, каким было увеличение фактической высоты растения? Это всего лишь e(1.0026) ~ 3 см или есть какой-то другой способ интерпретировать это?

Answer 1

exp(1.0026) действительно около 3 (2,72), но это значение представляет собой пропорциональное изменение. Во влажный период рост в три раза выше, чем в сухой, при прочих равных условиях.